.png){kind=icon}
返回
Event-Triggered Multigradient Recursive Data-Driven Iterative Learning Tracking Control for Multiagent Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TFUZZ.2025.3580891.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种为多智能体系统（MASs）中的共识跟踪设计的基于事件触发、多梯度递归数据驱动的迭代学习控制（ETMGR-DDILC）方案。该数据驱动控制消除了对精确系统建模的需求，仅依赖于系统的输入-输出数据。同时，与传统的单梯度下降方法相比，针对共识观测误差的性能函数采用了多梯度下降方法，从而实现更快的误差收敛。此外，所提出的事件触发机制利用历史误差补偿、衰减因子以及灵活的多参数调整，显著降低了触发频率，提高了资源效率，并在动态环境中增强了鲁棒性。最后，仿真结果验证了所提出控制方案的有效性，展示了其在收敛速度上的提升和控制器更新次数的减少。
Keyword:
Data-driven
event-triggered mechanism
iterative learning control (ILC)
multiagent systems (MASs)
multigradient recursive (MGR)
期刊
IF:
11.9
论文数:
5.0K
被引数:
2.9W
机构
引用论文
.png){kind=icon}
分享收藏Event-Triggered Asymmetric Bipartite Consensus Tracking for Nonlinear Multi-Agent Systems Based on Model-Free Adaptive Control基于无模型自适应控制的非线性多智能体系统事件触发非对称二分一致性跟踪
PREAI
分享收藏Performance-oriented design and analysis for direct data-driven control of multi-agent systems面向性能的设计与分析：多智能体系统的直接数据驱动控制
PREAI
分享收藏分享收藏
查看更多内容